“头条”颠覆内容分发 沉淀粉丝成难题(3)

为避免此类现象，大数据维度的丰富性与人工干预就成为必要。不能仅以用户之前的阅读偏好为依据做标签化推荐，而是要找到这个用户背后关联性的场景数据作参考，同时辅助人工干预去“驯化”机器。周默举例说，用户通过淘票票购买了两张《爱乐之城》的电影票，看完后可能会产生搜索影评的需求，后台就会基于搜索日志在信息流里推荐相关主题的内容。这种对用户临时兴趣的数据扩展会让用户画像更加趋向真实。

在这方面，拥有完整生态资源的巨头BAT正表现出潜在优势。比如UC背后拥有用户在优酷、高德、阿里影业以及淘宝上的行为数据，帮助机器提升推荐的精准度。除了后台的数据维度，在前端作者层面上，UC的做法是帮助内容提供者打造一个属于自己的“内容店铺”，通过数据服务、创作指导，以及未来接入一站式接单、淘宝客、阿里汇川等广告平台，以沉淀流量，并实现流量变现。背后依靠的仍是生态。

以机器学习和推荐算法为代表的技术在内容分发赛程的前半段占据上风，但进入下半程，能否搭建起一个可持续的平台生态才会对内容创作产生更深远的影响。

想要了解更多？